朱向辉：基于RBF神经网络的校园用电负荷预测方法论文

本文主要研究内容

作者朱向辉（2019）在《基于RBF神经网络的校园用电负荷预测方法》一文中研究指出：随着高校招生数量的增加以及校园的不断建设,大学校园的用电量也在不断增加,相关用电管理部门需要对将来一段时间内的用电量有一个准确的估计,更好的安排设备检修、更换、扩容等,加强对校园用电的控制。本文利用RBF神经网络对某高校的用电量建立了一个预测模型,然后通过MATLAB仿真软件进行仿真得到预测的数据,为校园后期的用电管理提供了参考。

Abstract

sui zhao gao jiao qiao sheng shu liang de zeng jia yi ji jiao yuan de bu duan jian she ,da xue jiao yuan de yong dian liang ye zai bu duan zeng jia ,xiang guan yong dian guan li bu men xu yao dui jiang lai yi duan shi jian nei de yong dian liang you yi ge zhun que de gu ji ,geng hao de an pai she bei jian xiu 、geng huan 、kuo rong deng ,jia jiang dui jiao yuan yong dian de kong zhi 。ben wen li yong RBFshen jing wang lao dui mou gao jiao de yong dian liang jian li le yi ge yu ce mo xing ,ran hou tong guo MATLABfang zhen ruan jian jin hang fang zhen de dao yu ce de shu ju ,wei jiao yuan hou ji de yong dian guan li di gong le can kao 。

论文参考文献

[1].基于狼群算法的RBF神经网络模拟电路故障诊断[J]. 颜学龙,丁鹏,马峻. 计算机工程与应用.2017(19)

[2].考虑经济和地理因素的空间电量预测技术研究[J]. 冯兆飞,宋兴旺,刘聪,迟福建,只艳. 机电信息.2017(27)

[3].小波包与RBF神经网络相结合的齿轮故障诊断[J]. 张江涛,史朋波,张娴. 科技创新与应用.2017(24)

[4].基于RBF神经网络的心电分类识别算法研究[J]. 史航瑞,梁英. 电脑知识与技术.2017(19)

[5].基于MapReduce的RBF神经网络的并行性研究[J]. 曲宏锋,王汝凉. 广西师范学院学报(自然科学版).2017(01)

[6].基于RBF神经网络PID参数的自调节及仿真[J]. 史磊,王蔚. 科技与创新.2017(16)

[7].基于SFLA优化的RBF神经网络入侵检测算法[J]. 晁萍瑶,王小敏. 软件导刊.2017(08)

[8].基于BP和RBF神经网络的军事装备维修保障点选址问题研究[J]. 董鹏,卢苇,秦芙蓉. 计算机科学.2017(S1)

[9].基于RBF神经网络的开关电源非线性预测控制[J]. 王军,黄芬芍. 自动化与仪表.2017(05)

[10].回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用[J]. 董健卫,陈艳美,孟盼,孙圣兰. 数学的实践与认识.2017(10)

论文详细介绍

论文作者分别是来自农家参谋的朱向辉，发表于刊物农家参谋2019年15期论文，是一篇关于神经网络论文,校园用电论文,负荷预测论文,农家参谋2019年15期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自农家参谋2019年15期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw00.cn/article/033c0d6371e4eb10a3aa9b31.html